Képzeljük el, mit jelenthet majd, amikor az AI „digitális hasonmásokat” hoz létre a fogyasztókról, akik emberként gondolkodnak, reagálnak és értékelnek – csak éppen gyorsabban és olcsóbban.
Egy frissen publikált tanulmány alapjaiban forgathatja fel a többmilliárd dolláros piackutatási iparágat. A kutatók olyan módszert dolgoztak ki, amellyel a nagynyelvi modellek (LLM-ek) képesek valósághűen szimulálni az emberi fogyasztói viselkedést – ráadásul nemcsak számszerű értékeléseket, hanem azok érzelmi és logikai indoklását is képesek előállítani.
A „digitális ikerfogyasztók” így a jövő terméktesztjeiben, reklámkampányaiban és fókuszcsoportjaiban már nem hús-vér emberek, hanem AI-alapú modellek lehetnek – amelyek percek alatt képesek ugyanazt a feladatot elvégezni, amire ma heteket és több millió forintot költenek a cégek.
A Benjamin F. Maier vezette nemzetközi kutatócsoport az arXiv-ra feltöltött tanulmányban egy új technikát mutat be: a semantic similarity rating (SSR) eljárást.
A trükk lényege, hogy a modellnek nem kell számot mondania („1-től 5-ig mennyire tetszik?”), hanem szöveges választ ad – például:
„Ez pontosan az, amit kerestem, biztosan megvenném.”
Ezt a szöveget a kutatók számszerű vektorrá, úgynevezett embeddinggé alakítják, majd összevetik előre definiált referenciamondatokkal. Így a modell nem „tippel”, hanem nyelvi-érzelmi hasonlóság alapján dönt arról, hogy ez a válasz inkább egy 5-ös vagy egy 2-es értékeléshez áll közelebb.
A módszert egy valós, 9300 emberi válaszból és 57 termékkérdőívből álló adatbázison tesztelték. Az AI az emberi megbízhatóság 90 %-át hozta, a válaszok eloszlása pedig statisztikailag szinte megkülönböztethetetlen volt a valós mintától.
A Stanford Egyetem 2024-es kutatása szerint a klasszikus online kérdőívek egyre kevésbé megbízhatók: sok kitöltő chatbottal generálja a válaszait. Az eredmények emiatt „túl kedvesek”, egyformán hangzanak, és elveszítik a valódi emberi árnyalatokat.
Maierék kutatása ennek az ellentétét képviseli: nem a hibás emberi mintákat próbálja tisztítani, hanem eleve tiszta, szintetikus adatokat hoz létre. Ahogy egy független elemző fogalmazott: „Ez a különbség aközött, hogy tisztítod a szennyezett kutat, vagy új forrást fúrsz mellette.”
A vállalatok számára az ígéret óriási: percek alatt létrehozható digitális célcsoport, amely reagál a termékleírásokra, reklámszövegekre vagy csomagolási koncepciókra – sőt, részletesen meg is magyarázza az értékelését.
Egy országos termékbevezetéshez szükséges emberi panel megszervezése ma hetekig tart és akár több tízezer dollárba kerülhet. Az SSR-alapú szimuláció ezt órák alatt, töredékáron elvégzi, miközben bármikor újrafuttatható a visszajelzések alapján.
A kutatók szerint ez különösen a gyorsan mozgó fogyasztási cikkek (FMCG) piacán adhat döntő előnyt, ahol a fejlesztési ciklus rövidsége versenyelőnyt jelent.
Az SSR-t egyelőre személyes higiéniai termékeken tesztelték; még nem bizonyított, hogy ugyanez működik-e például luxuscikkeknél vagy B2B-vásárlásoknál. A technika nem az egyéni, hanem az aggregált fogyasztói viselkedést modellezi, tehát nem helyettesíti a személyre szabott marketinget.
De az irány egyértelmű: a jövő fókuszcsoportja már nem hús-vér emberekből, hanem szintetikus személyiségekből áll majd, akik ugyanúgy vitatkoznak, reagálnak és mérlegelnek – csak éppen végtelen számban és fáradhatatlanul.
A kérdés immár nem az, hogy a mesterséges intelligencia képes-e szimulálni a fogyasztói gondolkodást, hanem az, hogy a cégek képesek-e elég gyorsan alkalmazkodni, mielőtt a versenytársaik megteszik.